低仰角GSP应用的Q型柱螺旋天线

本文介绍了用于ＧＰＳ的低成本ＱＵＡＤＲＦＩＬＡＲ柱螺旋天线（以下简称Ｑ型柱螺旋天线）的研制过程,该天线产生右施圆极化,抬高的辐射方向图在低仰角上具恒定的方位面增益。该天线适用于卫星通信（ＳＡＴＣＯＭ）地面终端设备,相对于卫星而言,该天线可以低仰角工作,该天线设计用于ＳＡＴＣＯＭ的典型接收频带为１５２５￣１５５９ＭＨｚ尤其适用于差动的ＧＰＳ、ＤＧＰＳ网络系统。     

Q345低合金结构钢的高温强度试验研究

采用恒温加载试验方法对钢结构建筑常用的Q345低合金结构钢的高温强度进行试验研究,采用切线交点法确定钢材有效屈服强度,并与其它方法强度取值进行对比,给出钢材高温强度回归公式,为钢结构建筑的抗火分析提供依据。     

适用于无人机集群应急通信系统分簇路由协议

无人机集群应急通信系统面临的最大挑战为集群网络拓扑的快速变化,因此,高效的自组网路由协议是保证无人机集群应急通信系统具有稳定链接性能的基础,同时也是该领域的研究热点。分析了现有无人机自组网路由协议不能完全适用于无人机集群应急通信系统的机理,采用MAC层和网络层联合设计思想,提出了一种基于簇结构和强化学习的分簇路由协议,簇内设计了基于簇结构的先应式路由协议,簇间则采用基于位置和链路质量Q学习的自适应路由协议,从而减小了路由维护开销、缩短了端到端时延,提高了转发成功率。仿真结果表明,在实现高效分簇的基础上,所研究的分簇路由协议可满足无人机集群应急通信系统的高动态、低时延和高可靠的要求,具有一定的实际应用前景。     

船用结构钢系列ETT试验研究

通过对某船体结构钢的系列ETT试验和相应的宏微观分析,不仅验证了材料冲击韧性与撕裂抗力之间的相关性,而且还显示了材料宏观性能与微观结构之间的密切联系及高ε下的断裂特点。     

闪灯泵浦国产Nd:YAG陶瓷调Q激光器

陶瓷激光器在高掺杂、大尺寸和复合结构设计等方面有着特殊的优势,具备实现高能、高光束质量激光器的潜力.研究了上海硅酸盐所提供的新型国产Nd:YAG陶瓷激光材料的激光输出性能,对比了陶瓷激光棒与单晶激光棒的储能特性,通过主动和被动调Q两种方法分别实现了闪灯泵浦陶瓷脉冲激光器,获得了重频1～20Hz可调,单脉冲百毫焦量级的输...     

新体制导航信号下I/Q幅相不一致对接收机测距零值的影响分析

随着现代化导航信号带宽的增大，由于可以大幅降低采样率，复信号采样的优势日趋明显。由于存在I/Q幅相误差，复信号采样对导航接收机伪距测量造成了一定影响。改进了信道非理想与I/Q幅相误差共同影响BPSK/QPSK信号零值测量的分析模型；在该模型基础上，推导得到了任意I/Q误差和信道非理想特性影响BOC信号伪距零值的模型；探讨了二者在频域抗干扰应用场景下引起的零值变化；理论分析与软件接收机仿真结果高度吻合，误差在1.5×10^-4码片内，证明了分析模型的精确性。该分析方法可用于对高性能导航接收机信道特性进行事先约束及筛选，以确保干扰场景下的零值变化满足要求。     

基于Q-MMSPF的海杂波多重分形互相关分析和目标检测

提出一种研究长程互相关和多重分形的新方法——Q阶混合矩结构分割函数法(Q-MMSPF),并利用Q-MMSPF分析了海杂波时间序列的多重分形互相关特征。通过对实测海杂波数据的计算分析发现,海杂波互相关多重分形特征较弱,目标信号之间的互相关多重分形特征明显,而目标信号与海杂波之间的互相关多重分形程度介于二者之间。据此,本文采用一种新的特征值进行海杂波背景下的目标检测。通过对不同条件下的实测海杂波数据验证,表明使用本文提出的特征值测量方法可以十分有效地检测出海杂波背景下的小弱目标。     

延安新区压实Q_2黄土增减湿高压压缩变形特性

为研究压实Q2黄土在高压力条件下的增减湿高压压缩变形特性,采用DGD系列型高压固结仪分别对不同初始压实度和不同初始含水率条件下的压实Q2黄土试样进行高压压缩试验,分析压实Q2黄土压缩变形特性随初始压实度和初始含水率的变化规律;运用不同方法对压缩试验成果进行整理,分析侧限条件下压实Q2黄土应力应变关系特点。结果表明:压实Q2黄土的压缩变形特性受初始压实度和初始含水率的影响较大,在最大压实度和最优含水率处的压缩变形量最小;初始压实度不同,拟合压实Q2黄土应力应变关系曲线的函数也不同,在较低初始压实度条件下,用双曲线拟合效果较好,此时割线模量与应力呈线性关系,在较高初始压实度条件下,用幂函数拟合效果更好。     

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。